ARIMA模型在居民消费价格指数预测中应用,本论文为您写居民消费价格指数毕业论文范文和职称论文提供相关论文参考文献，可免费下载。
居民消费价格指数论文参考文献：
摘 要：居民消费指数是监测和调控价格总水平、决策和分析宏观经济、核算国民经济的主要指标.文章将最近几年来的相关数据收集起来,运用相关函数构建了一个ARIMA模型,同时借助Eviews软件预测出相关参数.通过分析这个模型能够合理预测出我国居民消费价格指数.
关键词：ARIMA模型 居民消费价格指数 应用
中图分类号：F014.5 文献标识码：A
文章编号：1004-4914（2015）03-062-03
居民消费价格指数是市场价格的真实反映,它不仅能够反映出某一时段通货膨胀程度,而且反映了国民经济缩减程度.国家财政、社会保障、消费、价格、货币、工资等政策均受到居民消费价格指数的影响,同时,居民消费水平及评价也受到了其影响.居民消费价格指数预测可以有效引导价格舆论,有助于提高价格调控总体水平；同时可以正确指引合理消费价格的形成、满足各种需求,有助于稳定市场价格信息秩序和日常经济生活.例如,目前交通、教育、医疗等垄断行业价格增长迅速,造成居民储蓄过量,抑制了正常消费,消费结构不合理,阻碍了经济的可持续发展；而精准的居民消费价格指数预测能帮助国家相关部门有效利用价格和其他经济手段,达到调控价格总水平的目标.所以,准确分析和预测居民消费价格指数十分必要.
一、相关概念
(一)居民消费价格指数
居民消费价格指数一直都是政府和社会大众高度重视的社会热点问题,这主要是因为其同人们日常生活密切联系.居民消费价格指数是一个可预见的一段时间内人们支付的程度,深刻影响着消费商品和服务的价格的变动情况.分析和预测居民消费价格指数一直都是经济学研究的重点,正确地分析和预测物价指数是制定科学合理的经济政策的基础.
(二)ARIMA基本理论和方法
时间序列分析其实是一种比较常见的的数量分析方式,其重点阐述和描绘事物随着时间的变化而数量出现规律性变化.近年来,国内大量研究人员基于这一领域进行了深入的研究,并构建了相对应的时间序列.预测对象随着时间的推移组建成一个全新的序列数据,其随机性较强,利用数学模型来全面反映出这个序列的真实内涵.只要能够正确认识和分析这一模型便可以从时间序列值角度预测出该序列的未来趋势.
二、非平稳时间序列分析模型（ARIMA模型）
(一)平稳时间序列模型
ARMA模型也被称为自回归移动平均模型.同时被划分为MA模型、AR模型和ARMA模型三种类型.
AR模型也叫做p阶自回归模型,简称AR（p）,其结构模型如下：
x1等于φ0+φ1xt-1+等+φpxt-p+εt,φp≠0,E（εt）等于0
Var（εt）等于σ2ε,E（εtεs）等于0,S≠t,Exsεt等于0,?坌s MA模型被称为q阶移动平均模型,简称为MA（q）,其模型结构如下： xt等于μ+εt-θ1εt-1-θ2εt-2-等-θqεt-q θq≠0 E（εt）等于0,Var（εt）等于θ2ε,E（εtεs）等于0,s≠t ARMA模型也被称为自回归移动平均模型,简称ARMA（p,q）,其模型结构如下： xt等于φ0+φ2xt-1+φ2xt-2+等φpxt-p+εt-φ1εt-1-等-φqεt-q φp≠0,φq≠0 E（εt）等于0,Var（εt）等于σ2ε,E（εtεs）等于0,s等于t Exsεt等于0,?坌s 引入延迟算式,ARMA（p,q）模型简称为： φ（B）xt等于θ（B）εt 式中：φ（B）等于1-φ1B-等φpBp,为p阶自归系数多项式；θ（B）等于1-θ1B-等-θqBq,是q阶移动平均系数多项式. 因此,当q等于0时,ARMA（p,q）模型便成为了AR（P）模型；当p等于0时,ARMA（p,q）模型则演变成为了MR（q）模型. (二)非平稳时间序列分析模型（ARIMA模型） ARIMA（p,d,q）模型的结构为： φ（B）?荦dxt等于θ（B）εt E（εt）等于0,Var（εt）等于σ2s,E（εtεs）等于0,s≠t Extεs等于0,?坌s 其中：?荦d等于（1-B）d；{εt}是零均值白噪声序列：φ（B）等于1-φ1B-等-φpBp是平稳可逆ARMA（p,q）模型的自回归系数多项式；θ（B）等于1-θ1B-等-θqBq是平稳可逆ARMA（p,q）模型的移动平滑系数多项式. 显然,如果d等于1,p等于q等于0时,AMIMA（0,1,0）模型便是xt等于xt-1+εt,这一模型便称为随机游走模型或醉汉模型. 三、基于ARIMA的居民消费价格指数模型 居民消费价格指数是全球各国都十分重视和编订的一种指数,它充分反映了市场价格的总体趋向,是政府制定工资政策和价格政策的主要参考信息,所以正确分析和预测物价指数也是制定准确的经济政策的关键.本文以2011—2014年我国居民消费价格指数的相关数据为例,从整体上分析和预测我国将来的居民消费价格指数. (一)数据分析及预处理 基于整理而来的样本数据,采用SPSS 软件制定出有关时间序列图.详见图1. 从图1得知,最近几年来,我国居民消费价格指数的长期特征尤为显著,所以可以判断这一序列图是非平稳时间序列,为了进一步稳定该序列的走势,采取一阶逐期差分方式对这一时间序列进行分析,?荦xt-xt-1,同时应用SPSS软件绘制出一阶差分后的时间序列图,详见图2. 从图2得知,对图1的时间序列进行一阶差分处理后,这一序列的趋势几乎全部被清理,符合平稳时间序列的各种要求.为了进一步判断序列的稳定性,将原序列和一阶差分后的时间序列的相关系数进行对 析,详见表1和表2. 结论：适合不知如何写居民消费价格指数方面的相关专业大学硕士和本科毕业论文以及关于2018居民消费价格指数论文开题报告范文和相关职称论文写作参考文献资料下载。 两种预测模型在居民消费水平预测中和评价 居民消费价格指数和商品零售价格指数回归分析 基于ARIMA模型沪铜期货价格预测 河北省居民消费水平指数预测
摘要：居民消费水平反映了国家或者地区的经济发展状况，预测居民消费水平对制定相关的经济政策具有积极作用。文章通过多项式拟合和灰色预测模型来研究和预。
摘 要：随着我国市场经济的发展，居民生活水平越来越高。但是反映居民生活水平的居民消费价格指数和商品零售价格指数之间的作用关系如何还不明了。本论文。
摘 要：本文基于ARIMA模型建立了沪铜期货价格预测模型，并对2015年1月5日至2015年9月25日内共180个交易日的上海期货交易所的沪铜主。
居民消费水平指数反映居民的实际消费水平，影响着经济的发展。为了预测未来河北省居民消费水平的变化趋势，本文采用经济预测研究中较少采用的方法，即逐步。